ESL-Bench：面向健康智能体的事件驱动合成纵向基准

纵向健康智能体必须在融合连续设备数据流、稀疏临床检查与偶发生活事件的多源轨迹上进行推理——然而评估它们很困难：真实世界数据无法大规模发布，且基于时间的归因问题在缺乏结构化真值时很少有确定答案。我们提出ESL-Bench，一个事件驱动的合成框架与基准，提供100个合成用户，每个用户拥有1-5年的轨迹，包含健康档案、多阶段叙事计划、每日设备测量、周期性检查记录，以及带有明确单指标影响参数的事件日志。每个指标遵循一个基线随机过程，由带sigmoid起始、指数衰减核的离散事件驱动，并受饱和与投影约束；混合流水线将稀疏的语义产物交给基于LLM的规划，将稠密的指标动态交给带严格生理边界的算法仿真。每个用户配备100条覆盖查询（Lookup）、趋势（Trend）、对比（Comparison）、异常（Anomaly）、解释（Explanation）五个维度的评估问题，并分为易、中、难三档，所有真值答案均可从所记录的事件-指标关系通过程序计算得出。我们评估了涵盖带工具LLM、数据库原生智能体与记忆增强RAG的13种方法，发现数据库原生智能体（48-58%）大幅优于记忆RAG基线（30-38%），且差距集中在需要多跳推理与证据归因的对比与解释类问题上。